# PlainDL
#### 介绍
PlainDL是一种基于numpy的轻量级深度学习训练框架。
目前已经支持自动微分、各种常见的算子(如dense、cnn、rnn、embedding等)、基于数值微分的梯度检测、模型的序列化保存和加载等功能。
#### 特性
使用纯python实现,结构清晰,逻辑简单,有助于熟悉深度学习训练的内部实现细节。接口与pytorch类似,上手容易。
#### 安装
使用pip下载安装
```javascript
pip install plaindl
```
#### 代码结构
```
├─example 包括了多个实际的任务例子,包括图像识别、词向量训练、语言模型等
├─plaindl
│ ├─data 数据集加载与读取
│ ├─nn
│ │ ├─cv 封装了用于计算机视觉任务的模型
│ │ ├─nlp 封装用于自然语言处理任务的模型
│ │ └─各种用于构建神经网络的组件,包括模型的基类module和各种网络层
│ ├─ops 各种算子的定义
│ ├─optim 优化器
│ ├─utils 工具文件
```
#### 例子
1. 使用numpy生成一个tensor
```python
import numpy as np
import plaindl as pdl
x = pdl.Tensor(np.random.randn(2,3))
```
2. 定义一个简单的神经网络
```python
import plaindl as pdl
import plaindl.nn as nn
class mlp(nn.Module):
def forward(self, inputs, labels):
predict = self.layers(inputs)
return self.loss_fn(predict, labels)
def __init__(self):
super(mlp, self).__init__()
self.loss_fn = pdl.ops.SoftmaxWithCrossLoss()
self.sigmoid = pdl.ops.Sigmoid()
self.layers = nn.Sequential({
"linear1": nn.Linear(100),
"sigmoid1": self.sigmoid,
"linear2": nn.Linear(100),
"sigmoid2": self.sigmoid,
"linear3": nn.Linear(10)}
)
```
#### 参与贡献
1. Fork 本仓库
2. 新建 Feat_xxx 分支
3. 提交代码
4. 新建 Pull Request
没有合适的资源?快使用搜索试试~ 我知道了~
一个基于numpy的轻量级深度学习训练框架,使用与pytorch类似的接口设计,上手容易。.zip
共74个文件
py:34个
pyc:25个
gz:4个
需积分: 0 0 下载量 93 浏览量
2024-01-13
21:54:31
上传
评论
收藏 14.49MB ZIP 举报
温馨提示
深度学习使用技巧和一些模型训练,实战应用开发小系统参考资料,源码参考。 适用于初学者和有经验的开发者,能够帮助快速上手深度学习模型建立学习等
资源推荐
资源详情
资源评论
收起资源包目录
一个基于numpy的轻量级深度学习训练框架,使用与pytorch类似的接口设计,上手容易。.zip (74个子文件)
lern_2
setup.py 396B
LICENSE 11KB
.gitignore 294B
README.en.md 2KB
example
word2vector.py 2KB
language_model.py 2KB
mnist_mlp.py 2KB
mnist_data
t10k-images-idx3-ubyte.gz 1.57MB
train-labels-idx1-ubyte.gz 28KB
train-images-idx3-ubyte.gz 9.45MB
t10k-labels-idx1-ubyte.gz 4KB
PTB
ptb.test.txt 439KB
ptb.valid.txt 390KB
ptb.train.txt 4.87MB
ptb.train.npy 3.55MB
ptb.vocab.pkl 274KB
mnist_cnn.py 2KB
spiral_mlp.py 4KB
spiral_mlp_model.pkl 838B
README.md 2KB
plaindl
__init__.py 132B
nn
initializer.py 894B
__init__.py 135B
module.py 6KB
layers.py 8KB
cv
__init__.py 0B
nlp
__init__.py 0B
rnnlm.py 825B
functional.py 636B
cbow.py 1KB
__pycache__
cbow.cpython-36.pyc 1KB
functional.cpython-36.pyc 731B
rnnlm.cpython-36.pyc 1KB
__init__.cpython-36.pyc 148B
model.pkl 589B
__pycache__
container.cpython-36.pyc 1022B
initializer.cpython-36.pyc 2KB
__init__.cpython-36.pyc 273B
module.cpython-36.pyc 5KB
layers.cpython-36.pyc 8KB
container.py 766B
data
__init__.py 86B
dataloader.py 1KB
datasets.py 6KB
__pycache__
datasets.cpython-36.pyc 6KB
dataloader.cpython-36.pyc 2KB
__init__.cpython-36.pyc 255B
utils
__init__.py 39B
sampler.py 1KB
itertools.py 2KB
functional.py 3KB
__pycache__
functional.cpython-36.pyc 3KB
sampler.cpython-36.pyc 1KB
__init__.cpython-36.pyc 188B
optim
__init__.py 37B
__pycache__
optimizer.cpython-36.pyc 3KB
__init__.cpython-36.pyc 187B
gradcheck.py 5KB
optimizer.py 2KB
tensor.py 2KB
ops
__init__.py 67B
loss.py 2KB
activation.py 1KB
rnn.py 3KB
ops.py 4KB
__pycache__
conv.cpython-36.pyc 4KB
rnn.cpython-36.pyc 4KB
activation.cpython-36.pyc 2KB
ops.cpython-36.pyc 7KB
__init__.cpython-36.pyc 212B
loss.cpython-36.pyc 4KB
conv.py 4KB
__pycache__
tensor.cpython-36.pyc 3KB
__init__.cpython-36.pyc 314B
共 74 条
- 1
资源评论
白话Learning
- 粉丝: 3273
- 资源: 2464
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于matlab实现本份代码能对图像进行gabor滤波处理,结合指纹方向图以及指纹沟壑频率特性,对指纹图像进行增强.rar
- 基于matlab实现RBM神经网络实现了手写数字体识别的GUI程序.rar
- 基于matlab实现蝙蝠算法优化相关向量机建模对数据进行建模和预测.rar
- 基于matlab实现编写的禁忌搜索算法,解决了TSP问题,对初学者有重要的参考价值.rar
- 基于matlab实现SOH关于IMU进行姿态求解的C代码,里面包含了两套代码,分别是重力约束法求解和梯度下降法求解.rar
- 1_简单电子邮件客户端.zip
- 基于matlab实现powell优化搜索算法,适合于多参数优化且目标函数中不包含参数的情况.rar
- 基于matlab实现PID神经网络前向和反向学习算法的matlab的原程序代码.rar
- 基于matlab实现nsga-2的多目标优化算法,有注解.rar
- AIR-AP1815-K9-ME-8-5-182-0.zipFor 1815 1830 1840 1850 2700 3700
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功